PENGELOMPOKKAN DAN PEMETAAN KARAKTERISTIK KEMISKINAN DI KABUPATEN MALUKU BARAT DAYA PROVINSI MALUKU DENGAN MENGGUNAKAN SELF-ORGANIZING MAP DAN ANALISIS BIPLOT
Abstract
Berdasarkan hasil survei sosial ekonomi nasional (SUSENAS) BPS Provinsi Maluku menunjukkan bahwa kabupaten Maluku Barat Daya (MBD) merupakan kabupaten yang memiliki persentase tingkat kemiskinan tertinggi di provinsi Maluku dengan persentase tingkat kemiskinan 30,18 persen. Penelitian ini bertujuan untuk melakukan pengelompokkan desa/kecamatan di Kabupaten MDB guna melihat karakteristik kemiskinan pada setiap cluster. Selain itu, juga dilakukan pemetaan karakteristik kemiskinan untuk setiap desa/kecamatan di Kabupaten MBD sebagai upaya untuk mengetahui keragaman karakteristik kemiskinan. Metode pengelompokkan yang digunakan adalah algoritma jaringan syaraf tiruan Self Organizing Map (SOM) dan Biplot.
Hasil penelitian memperlihatkan bahwa hasil pengelompokkan terbaik adalah dengan metode Biplot karena memiliki rasio yang lebih kecil. Adapun hasil pengelompokkan 17 kecamatan di kabupaten MBD terbagi dalam 4 cluster yakni cluster 1 terdiri kecamatan Pulau-Pulau Terselatan, Letti dan Moa; cluster 2 terdiri dari kecamatan Pulau-Pulau Babar dan Babar Timur; cluster 3 terdiri dari kecamatan Pulau Masela, Mdona Hyera, Kepulauan Romang, Damer, Wetar, dan Wetar Barat; sedangkan cluster 4 terdiri dari kecamatan Wetar Utara, Wetar Timur, Kisar Utara, Lakor, Dawelor Dawera dan Pulau Wetang. Ada 11 faktor yang mempengaruhi sehingga cluster 4 tergolong dalam cluster dengan karakteristik kemiskinan tertinggi. Sedangkan ada 4 faktor yang mempengaruhi sehingga cluster 3 tergolong dalam cluster dengan karakteristik kemiskinan cukup tinggi.
Downloads
References
A. A. Matjik and I. M. Sumertajaya, "Sidik Peubah Ganda Dengan Menggunakan SAS", Bogor: IPB Press, 2011.
BPS Provinsi Maluku, "Statistik Daerah Provinsi Maluku", Ambon, 2017.
BPS Maluku Barat Daya, "Indikator Kesejahteraan Rakyat Kabupaten Maluku Barat Daya", Tiakur, 2016.
BPS Maluku Barat Daya, "Kabupaten Maluku Barat Daya Dalam Angka", Tiakur, 2017.
D. Gil, M. Johnsson, J. M. G. Chamizo, P. A. Soriano and F. D. Ruiz, "Application of Artificial Neural Networks in the Diagnosis of Urological Dysfunctions," Expert Systems with Applications, Vol. 36, No. 3, p. 5754–5760, 2009.
E. F. Rifkhatussa’diyah, H. Yasin and A. Rusgiyono, "Analisis Principal Component Biplots Pada Bank Umum Persero yang Beroperasi Di Jawa Tengah," in Prosiding Seminar Nasional Statistika, Semarang, 2013.
H. C. Chou, C. H. Cheng and J. R. Chang, "Extracting Drug Utilization Knowledge Using Self-Organizing Map and Rough Set Theory," Expert Systems with Applications, Vol. 33, No. 2, pp. 499-508, 2007.
I. T. Jollife, "Principal Component Analysis", New York: Springer-verlag, 2002.
K. C. Y. &. Y. S. Zhang, "Self-Organizing Feature Map for Cluster Analysis in Multi-disease Diagnosis," Expert Systems with Applications, Vol. 37, No. 9, pp. 6359-6367, 2010.
L. Fausett, "Fundamentals of Neural Networks, Architecture, Algorithms, and applications", Prentice-Hall, 1994.
M. J. Bunkers, & J. R. Miller, "Definition of Climate Regions in The Northern Plains Using an Objective Cluster Modification Technuque," Journal of Climate, No. 9, pp. 130-146, 1996.
S. Hidayat, "Pemodelan Desa Tertinggal di Jawa Barat Tahun 2005 dengan Pendekatan MARS," Jurusan Statistika FMIPA ITS, Surabaya, 2008.
Z. A. Leleury and H. W. M. Patty, "Analisis Cluster dan Diagnosa Penyakit Menggunakan Jaringan Syaraf Tiruan," in Prosiding FMIPA Universitas Pattimura, Ambon, 2013.
Z. A. Leleury and A. E. Wokanubun, "Analisis Biplot dan Pemetaan Karakteristik Kemiskinan di Provinsi Maluku," Barekeng: Jurnal ilmu matematika dan terapan, Vol. 9, No. 1, pp. 21-31, 2015.
Authors who publish with this Journal agree to the following terms:
- Author retain copyright and grant the journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allow others to share the work within an acknowledgement of the work’s authorship and initial publication of this journal.
- Authors are able to enter into separate, additional contractual arrangement for the non-exclusive distribution of the journal’s published version of the work (e.g. acknowledgement of its initial publication in this journal).
- Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published works.